主分类：搜索推荐与业务决策算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "排序模型算法实习生（J104734）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "MEG",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-参与信息流商业排序策略优化，包括但不限\n-排序、混排模型的整体架构设计、技术调研与关键算法攻坚，聚焦端到端生成式方案的落地与改造\n-围绕跨场景序列建模、多模表征、多目标价值融合、长期价值建模等方向，结合多目标建模、强化学习等手段持续提升模型对用商场景的价值理解\n-围绕生成式模型打造新型排序架构，提升全系统效率\n-结合最新agent、auto-research手段，探索算法自迭代及系统自我进化的可落地方案",
"requirements_text": "-扎实的机器学习、数理统计及相关编程基础，熟悉transformer、grpo等常见算法\n-优秀的数据分析、逻辑分析、结构化思考能力，以及主动探索和独立思考能力\n-对Agent、Auto-Learning、LLM等前沿技术有一定了解和经验",
"skills": [AI生成
"机器学习",
"数据分析"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/INTERN/30ffae31-dac6-4dcb-8c60-ba40009cc1b0"
}
]
},
"posting": {
"posting_id": "30ffae31-dac6-4dcb-8c60-ba40009cc1b0",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/INTERN/30ffae31-dac6-4dcb-8c60-ba40009cc1b0"
},
"fulltext": "排序模型算法实习生（J104734）\n排序模型算法实习生（J104734）\n\n基础信息\n部门：MEG\n地点：北京市\n项目：日常实习项目\n类别：技术\n招聘人数：3\n发布时间：2026-09-16\n\n工作职责\n-参与信息流商业排序策略优化，包括但不限\n-排序、混排模型的整体架构设计、技术调研与关键算法攻坚，聚焦端到端生成式方案的落地与改造\n-围绕跨场景序列建模、多模表征、多目标价值融合、长期价值建模等方向，结合多目标建模、强化学习等手段持续提升模型对用商场景的价值理解\n-围绕生成式模型打造新型排序架构，提升全系统效率\n-结合最新agent、auto-research手段，探索算法自迭代及系统自我进化的可落地方案\n\n职责要求\n-扎实的机器学习、数理统计及相关编程基础，熟悉transformer、grpo等常见算法\n-优秀的数据分析、逻辑分析、结构化思考能力，以及主动探索和独立思考能力\n-对Agent、Auto-Learning、LLM等前沿技术有一定了解和经验\n-参与信息流商业排序策略优化，包括但不限\n-排序、混排模型的整体架构设计、技术调研与关键算法攻坚，聚焦端到端生成式方案的落地与改造\n-围绕跨场景序列建模、多模表征、多目标价值融合、长期价值建模等方向，结合多目标建模、强化学习等手段持续提升模型对用商场景的价值理解\n-围绕生成式模型打造新型排序架构，提升全系统效率\n-结合最新agent、auto-research手段，探索算法自迭代及系统自我进化的可落地方案\n-扎实的机器学习、数理统计及相关编程基础，熟悉transformer、grpo等常见算法\n-优秀的数据分析、逻辑分析、结构化思考能力，以及主动探索和独立思考能力\n-对Agent、Auto-Learning、LLM等前沿技术有一定了解和经验",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}